协同过滤中item-based与user-based选择依据



此文总结的不错。

协同过滤是大家熟知的推荐算法。 总的来说协同过滤又可以分为以下两大类：

1. Neighborhood-based：计算相似item 或user后进行推荐
2. Model-based： 直接训练模型预测Rating

在Neighborhoold-based算法中，又细分为user-based CF(Collaborative Filtering)和item-based CF。合适选择使用userd-based CF，什么时候item-based CF更适用就会是一个需要权衡的问题。一般而言，可以以以下几个标准进行选择：

1.  Accuracy：一般而言，少数置信的邻居的推荐要比很多的没有太多区分性的邻居更加准确，所以一般我们会选择数量较少的因素(item or user)作为based的算法。 例如， amazon中的商品的种类很多，但远没有注册的用户多，所以该场景使用item-based CF比较合适； 反过来，在百度关键词推荐系统中，商业客户(user)量级是100W左右，而待推荐的关键词(item)是10亿量级，此时使用user-based会是更明智的选择。
2. Efficiency
3. Stability：一般情况下倾向于使用变动频率和变动量较少的因素作为based的因素， 例如item变动较少， 则选择item-based， 否则选择user-based
4. Justifablity（说服力）：推荐系统中，推荐理由越白盒，用户越容易理解就越有说服力。所以从这方面考虑，item-based CF会更有说服力，例如显示‘因为你浏览了三星 Galaxy，所以给你推荐了HTC One’的理由会比‘和你相似的用户也喜欢XXX’更有说服力，因为推荐系统是不披露哪些用户和我详细，怎么证明和我相似的，而且这种说法显得比较含糊。
5. Serendipity：多样性就是user-based的一大优势，和自己相似的用户，总能发现一些自己还没发现的新东西。 如果追求多样性， userd-based会是不错的选择。

当然上述原则都不是绝对的，而且在真实工业界推荐系统中， 两种方法一般都是混合着使用。例如百度关键词推荐系统中，就会分别使用item-based和user-based方法找到待推荐关键词候选后，再统一使用model进行后续ranking。

参考文献：

1. RSs Handbook
2. Evaluating Collaborative Filtering Recommender Systems, Jonathan L.Herlocker